第43章 搜索引擎
第43章 搜索引擎 (第1/3页)
搜索引擎，顾名思义，便是一种用于搜索信息而产生的工具。一般解释而言，便是通过用户的需求，和一定的算法，将用户输入的关键词与互联网上现存的信息进行匹配，并按照相关度和时间顺序，将符合要求的信息罗列在用户的眼前。
搜索引擎这门生意讲究的是个先来后到。如果能在最早的时候将知名论坛和网站的内容全部爬取，那就会在用户占有率上占尽优势。
要知道在这个时间点，日后驰名全球的寻他公司和布谷公司还在娘胎里，呀唬公司的搜索引擎虽然已经诞生，但其底层技术依旧是依靠人工存放网站目录，可谓是效率极其低下。
现在已经有互联网信息爆炸的趋势了，随着信息越来越多，人工处理流程必将被淘汰，而王向中设想的，则是抢在市场最前列，将新一代的搜索引擎提前面世。
实际上做一个搜索引擎并没有看上去那么轻松。首先是代码问题，这个年代网页技术还停留在Web1.0（互联网1.0）的时代，先暂且不提Ajax（Asynchronous Javascript And XML，异步JavaScript和XML）这种动态页面刷新机制，就连JavaScript（一种Web页面脚本语言）都还尚未出现。
还好Windows公司相当强大，早在1996年发布了ASP1.0（Active Server Pages，动态服务器页面），这也让王向中不必苦哈哈地用大量C语言进行后端代码编写工作。
接下来就是数据的爬取和存储问题。这话虽然听起来很高端，但实际上也就是将数据从别的网站上摘下来，进行索引和关键词分配的简单加工后存储的过程。
这个时候Python语言尚还叫ABC语言，很显然在这个年代使用这个失败的产品是不太合适的，使用更加成熟的C++也许可以解决一些问题。
将爬虫模型简单地铺开来讲，最基础的爬虫，便是通过程序直接访问网页的源代码，通过正则表达式匹配出网页的标题和其具体内容，再接着分析网页内的超链接所指向的页面，逐步将整个网站的内容收入囊中。
再接下来便是数据的存储问题。MySQL（一种关系数据库管理系统）可以完美地代替文本文档进行数据存取，因为它有一项对于搜索引擎而言重要的功能——索引。
（本章未完，请点击下一页继续阅读）